1 |
1
적어도 하나의 프로세서를 구비하는 오류 교정 장치가 계층 분류 내의 오류를 교정하는 방법에 있어서,오류 교정 장치가 딥러닝을 이용하여 구축된 계층 분류(hierarchical classification) 모델 및 상기 계층 분류 모델에 따른 계층 트리 데이터를 입력받는 단계;상기 오류 교정 장치가 상기 계층 분류 모델을 이용하여 새로운 입력 데이터의 클래스(class)를 예측하는 단계;상기 오류 교정 장치가 상기 계층 트리 데이터의 계층 구조를 참조하여 예측된 상기 클래스의 오류를 판단하는 단계; 및상기 오류 교정 장치가 판단 결과에 따라 상기 클래스 내에 존재하는 오류를 교정하는 단계;를 포함하는, 오류 교정 방법
|
2 |
2
제 1 항에 있어서,상기 계층 분류 모델은,학습 데이터로부터 계층의 깊이에 따라 추출된 특징 값을 연결하여 특징 벡터를 생성하고, 계층의 깊이를 따라 클래스를 연결하여 생성된 정답 레이블(label)과 비교하여 손실 함수(loss function)가 최소화되도록 학습하거나, 또는학습 데이터로부터 추출된 특징 벡터에 대해 각각의 계층별로 선형 분류기(linear classifier)를 구성하고, 개별 선형 분류기로부터 생성된 특징들을 각각 대응하는 계층별 정답 레이블과 비교하여 손실 함수가 최소화되도록 학습하는, 오류 교정 방법
|
3 |
3
제 2 항에 있어서,상기 손실 함수는,크로스 엔트로피(cross entropy) 또는 쿨백-라이블러 발산(Kullback-Leibler divergence, KLD)인, 오류 교정 방법
|
4 |
4
제 1 항에 있어서,상기 계층 트리 데이터는,부모 노드가 하나 이상의 자식 노드를 갖고 자식 노드가 오직 하나의 부모 노드만을 갖는 트리 구조를 형성하며, 상기 계층 분류의 대상 도메인(domain)에 속하는 클래스가 상기 트리 구조의 노드를 구성하는, 오류 교정 방법
|
5 |
5
제 1 항에 있어서,상기 새로운 입력 데이터의 클래스를 예측하는 단계는,새로운 입력 데이터에 대해 상기 계층 분류 모델을 이용하여 계층별로 예측된 클래스, 계층 간의 관계 및 상기 계층 분류 모델이 상기 클래스를 예측한 확률을 나타내는 확신도(confidence) 값을 산출하는, 오류 교정 방법
|
6 |
6
제 1 항에 있어서,상기 클래스의 오류를 판단하는 단계는,예측된 상기 클래스 내에 포함된 계층별로 예측된 클래스 및 계층 간의 관계를 이용하여 상기 계층 트리 데이터의 계층 구조 내에 일치하는 클래스를 탐색하고, 탐색된 클래스가 속하는 계층 간의 관계가 상기 계층 트리 데이터의 계층 구조에 부합하는지 여부를 검사함으로써, 예측된 상기 클래스가 올바른 계층 관계를 형성하는지 여부를 결정하는, 오류 교정 방법
|
7 |
7
제 6 항에 있어서,상기 계층 간의 관계는,노드가 서로 직접 연결된 계층 관계 및 다른 노드를 경유하여 간접 연결된 계층 관계를 포함하고,상기 클래스의 오류를 판단하는 단계는,예측된 상기 클래스로부터 도출된 복수 개의 계층 관계를 상기 계층 트리 데이터의 계층 구조와 대비하여 일치하지 않는 계층 관계를 오류 항목으로 선택하는, 오류 교정 방법
|
8 |
8
제 1 항에 있어서,상기 오류를 교정하는 단계는,상기 클래스 내에서 오류가 발견되지 않은 계층 관계를 기준으로 오류가 존재하는 계층 관계를 수정하는, 오류 교정 방법
|
9 |
9
제 8 항에 있어서,상기 오류를 교정하는 단계는,오류가 발견되지 않은 계층 관계에 속하는 클래스에 대해 예측 확률을 나타내는 확신도 값을 고려하여 오류가 존재하는 계층 관계를 수정하는, 오류 교정 방법
|
10 |
10
적어도 하나의 프로세서를 구비하는 오류 교정 장치가 깊이 '3'을 갖는 계층 분류 내의 오류를 교정하는 방법에 있어서,오류 교정 장치가 딥러닝을 이용하여 구축된 계층 분류(hierarchical classification) 모델 및 상기 계층 분류 모델에 따른 계층 트리 데이터를 입력받는 단계;상기 오류 교정 장치가 상기 계층 분류 모델을 이용하여 새로운 입력 데이터의 클래스(class)를 예측하는 단계;상기 오류 교정 장치가 상기 계층 트리 데이터의 계층 구조를 참조하여 예측된 상기 클래스의 오류를 판단하되, 예측된 상기 클래스 내에 포함된 계층별로 예측된 클래스 및 계층 간의 관계를 이용하여 상기 계층 트리 데이터의 계층 구조 내에 일치하는 클래스를 탐색하고, 탐색된 클래스가 속하는 계층 간의 관계가 상기 계층 트리 데이터의 계층 구조에 부합하는지 여부를 검사하는 단계; 및상기 오류 교정 장치가 판단 결과에 따라 오류가 발견되지 않은 계층 관계를 기준으로 상기 클래스 내에 존재하는 오류를 교정하는 단계;를 포함하고,상기 계층 트리 데이터는,부모 노드가 하나 이상의 자식 노드를 갖고 자식 노드가 오직 하나의 부모 노드만을 갖는 트리 구조를 형성하며, 상기 계층 분류의 대상 도메인에 속하는 클래스가 상기 트리 구조의 노드를 구성하는, 오류 교정 방법
|
11 |
11
제 10 항에 있어서,상기 계층 간의 관계는,부모 노드와 자식 노드가 서로 직접 연결된 계층 관계 및 부모 노드가 자식 노드를 경유하여 손자 노드와 간접 연결된 계층 관계를 포함하고,상기 클래스의 오류를 판단하는 단계는,예측된 상기 클래스로부터 도출된 복수 개의 계층 관계를 상기 계층 트리 데이터의 계층 구조와 대비하여 일치하지 않는 계층 관계를 오류 항목으로 선택하는, 오류 교정 방법
|
12 |
12
제 10 항에 있어서,상기 오류를 교정하는 단계는,깊이 '1'의 클래스가 상기 계층 트리 데이터의 계층 구조를 위배하는 경우, 상기 깊이 '1'의 클래스를 오류가 발견되지 않은 깊이 '2'의 클래스의 부모 노드로 수정하고,깊이 '2'의 클래스가 상기 계층 트리 데이터의 계층 구조를 위배하는 경우, 상기 깊이 '2'의 클래스를 오류가 발견되지 않은 깊이 '3'의 클래스의 부모 노드로 수정하며,깊이 '3'의 클래스가 상기 계층 트리 데이터의 계층 구조를 위배하는 경우, 상기 깊이 '3'의 클래스를 오류가 발견되지 않은 깊이 '2'의 클래스의 자식 노드로 수정하는, 오류 교정 방법
|
13 |
13
제 12 항에 있어서,깊이 '3'의 클래스가 상기 계층 트리 데이터의 계층 구조를 위배하고, 오류가 발견되지 않은 상기 깊이 '2'의 클래스의 자식 노드가 복수 개인 경우, 상기 복수 개의 자식 노드에 대해 클래스를 예측한 확률을 나타내는 확신도 값을 비교하여 상대적으로 더 큰 확신도 값을 갖는 자식 노드로 상기 깊이 '3'의 클래스를 수정하는, 오류 교정 방법
|
14 |
14
적어도 하나의 프로세서를 구비하는 오류 교정 장치가 깊이 '4' 이상을 갖는 계층 분류 내의 오류를 교정하는 방법에 있어서,오류 교정 장치가 딥러닝을 이용하여 구축된 계층 분류(hierarchical classification) 모델 및 상기 계층 분류 모델에 따른 계층 트리 데이터를 입력받는 단계;상기 오류 교정 장치가 상기 계층 분류 모델을 이용하여 새로운 입력 데이터의 클래스(class)를 예측하는 단계;상기 오류 교정 장치가 상기 계층 트리 데이터의 계층 구조를 참조하여 예측된 상기 클래스의 오류를 판단하되, 예측된 상기 클래스 내에 포함된 계층별로 예측된 클래스 및 계층 간의 관계를 이용하여 상기 계층 트리 데이터의 계층 구조 내에 일치하는 클래스를 탐색하고, 탐색된 클래스가 속하는 계층 간의 관계가 상기 계층 트리 데이터의 계층 구조에 부합하는지 여부를 검사하는 단계; 및상기 오류 교정 장치가 판단 결과에 따라 오류가 발견되지 않은 계층 관계에 대해 설정된 우선 순위를 기준으로 상기 클래스 내에 존재하는 오류를 교정하는 단계;를 포함하고,상기 계층 트리 데이터는,부모 노드가 하나 이상의 자식 노드를 갖고 자식 노드가 오직 하나의 부모 노드만을 갖는 트리 구조를 형성하며, 상기 계층 분류의 대상 도메인에 속하는 클래스가 상기 트리 구조의 노드를 구성하는, 오류 교정 방법
|
15 |
15
제 14 항에 있어서,상기 계층 간의 관계는,부모 노드와 자식 노드가 서로 직접 연결된 계층 관계 및 부모 노드가 적어도 하나 이상의 자식 노드를 경유하여 손자 노드와 간접 연결된 계층 관계를 포함하고,상기 클래스의 오류를 판단하는 단계는,예측된 상기 클래스로부터 도출된 복수 개의 계층 관계를 상기 계층 트리 데이터의 계층 구조와 대비하여 일치하지 않는 계층 관계를 오류 항목으로 선택하는, 오류 교정 방법
|
16 |
16
제 14 항에 있어서,상기 오류를 교정하는 단계는,상기 클래스 내에서 오류가 발견되지 않은 연결 관계에 대하여,(제 1 순위) 계층 관계를 형성하는 클래스의 수가 가장 많은 계층 관계; 및(제 2 순위) 적어도 2개 이상의 계층 관계에 대하여 계층 관계를 형성하는 클래스의 수가 동일한 경우 각 계층 관계에 속하는 클래스에 대해 예측 확률을 나타내는 확신도 값의 합이 가장 큰 계층 관계;의 우선 순위에 따라 기준 계층 관계를 선택하고,오류가 발견된 계층 관계 및 오류가 발견되지 않았으나 상기 우선 순위에 의해 선택되지 않은 계층 관계를 선택된 상기 기준 계층 관계에 따라 모두 수정하는, 오류 교정 방법
|
17 |
17
텍스트 또는 이미지를 포함하는 학습 데이터 및 대상 데이터를 입력받는 입력부;상기 학습 데이터로부터 딥러닝을 이용하여 구축된 계층 분류(hierarchical classification) 모델 및 상기 계층 분류 모델에 따른 계층 트리 데이터를 저장하는 저장부; 및상기 계층 분류 모델을 이용하여 상기 대상 데이터를 자동으로 분류하되, 계층 분류 내의 오류를 교정하는 프로그램을 실행하는 처리부;를 포함하고,상기 처리부에 의해 실행되는 프로그램은,상기 계층 분류 모델을 이용하여 새로운 입력 데이터의 클래스(class)를 예측하고, 상기 계층 트리 데이터의 계층 구조를 참조하여 예측된 상기 클래스의 오류를 판단하며, 판단 결과에 따라 상기 클래스 내에 존재하는 오류를 교정하는 명령을 포함하며,상기 계층 트리 데이터는,부모 노드가 하나 이상의 자식 노드를 갖고 자식 노드가 오직 하나의 부모 노드만을 갖는 트리 구조를 형성하며, 상기 계층 분류의 대상 도메인(domain)에 속하는 클래스가 상기 트리 구조의 노드를 구성하는, 데이터 분류 장치
|
18 |
18
제 17 항에 있어서,상기 처리부에 의해 실행되는 프로그램은,새로운 입력 데이터에 대해 상기 계층 분류 모델을 이용하여 계층별로 예측된 클래스, 계층 간의 관계 및 상기 계층 분류 모델이 상기 클래스를 예측한 확률을 나타내는 확신도(confidence) 값을 산출하는, 데이터 분류 장치
|
19 |
19
제 17 항에 있어서,상기 처리부에 의해 실행되는 프로그램은,예측된 상기 클래스 내에 포함된 계층별로 예측된 클래스 및 계층 간의 관계를 이용하여 상기 계층 트리 데이터의 계층 구조 내에 일치하는 클래스를 탐색하고, 탐색된 클래스가 속하는 계층 간의 관계가 상기 계층 트리 데이터의 계층 구조에 부합하는지 여부를 검사함으로써, 예측된 상기 클래스가 올바른 계층 관계를 형성하는지 여부를 결정하는, 데이터 분류 장치
|
20 |
20
제 17 항에 있어서,상기 처리부에 의해 실행되는 프로그램은,상기 클래스 내에서 오류가 발견되지 않은 계층 관계를 기준으로 오류가 존재하는 계층 관계를 수정하되, 오류가 발견되지 않은 계층 관계에 속하는 클래스에 대해 예측 확률을 나타내는 확신도 값을 고려하여 오류가 존재하는 계층 관계를 수정하는, 데이터 분류 장치
|